PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus : KA Argo Muria)
|
|
- Bambang Pranata
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ISSN: JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman Online di: PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus : KA Argo Muria) Titis Nur Utami 1, Abdul Hoyyi 2, Agus Rusgiyono 3 1 Mahasiswa Departemen Statistika FSM Universitas Diponegoro 2,3 Staff Pengajar Departemen Statistika FSM Universitas Diponegoro ABSTRACT The amount of the data of KA Argo Muria indicates the improve in every year during Ied mubarak day. Ied Mubarak day follows the Hijriyah calender, this is inditates that there is case effect of variation on the calender. The aims of this research is to predict the amount of the KA Argo Mulia passanger of destination of Semarang Jakarta for 12 periodes in the future by using forecasting time series model of variation calender. The data used mounthly amount data KA Argo Mulia at PT KAI DAOP IV Semarang in the periode of January 2014 until Desember The result of the data analysis shows significant variable toward the model is and the model of Autoregressive Integrated Moving Average (ARIMA) (1,0,0). Based on the result of forecasting out-sample data, is gained Mean Absolute Percentage Error (MAPE) is 1,8089 % which indicates that the result of forecasting is very good. Keywords: deterministic trend, calender variation, time series, stochastic model, dummy regression. 1. PENDAHULUAN Transportasi menurut Adisasmita (2010), mempunyai fungsi sebagai penunjang pembangunan berbagai sektor-sektor, seperti sektor pertanian, perindustrian, perdagangan, pendidikan, kesehatan, pariwisata, dan lainnya. Transportasi di Indonesia telah telah berbenah dan melakukan transformasi untuk melayani masyarakat. Salah satu perusahaan transportasi yang terus melakukan perbaikan adalah PT Kereta Api Indonesia (PT KAI). Seiring dengan kemajuan tersebut, masyarakat semakin berminat untuk terus menggunakan kereta api. Hal tersebut terbukti dengan banyaknya jumlah penumpang kereta api baik di hari-hari biasa maupun di hari-hari yang bertepatan dengan hari libur weekend maupun hari besar keagamaan. Banyaknya jumlah penumpang dikarenakan oleh adanya hari libur nasional. Beberapa hari besar keagamaan termasuk dalam kategori variasi kalender, salah satunya yaitu hari raya Idul Fitri. Peningkatan jumlah penumpang dari waktu ke waktu menyebabkan terjadinya trend. Hal tersebut menyebabkan data menjadi tidak stasioner dalam mean. Hal tersebut menyebabkan data menjadi tidak stasioner dalam mean. Oleh karena terjadi trend maka metode peramalan ARIMA saja tidak bisa digunakan, sehingga diperlukan model trend deterministik. Untuk menghasilkan peramalan dengan data awal yang tidak stasioner dalam mean, digunakan metode kombinasi model trend deterministik dan stokastik. Model trend deterministik digunakan untuk memperoleh nilai residual yang terdapat asumsi autokorelasi, nilai residual tersebut digunakan untuk menguji stasioneritas dalam mean dan untuk mengidentifikasi model ARIMA.
2 2. TINJAUAN PUSTAKA 2.1 Analisis Time Series Menurut Halim (2006), Time series adalah suatu himpunan pengamatan yang dibangun secara beruntun dalam waktu. Waktu atau periode yang dibutuhkan untuk melakukan suatu peramalan biasanya disebut sebagai lead time yang bervariasi pada setiap persoalan. Metode time series yang sering digunakan yaitu ARIMA. Menurut Soejoeti (1987), suatu time series dikatakan stasioner jika tidak terjadi kenaikan dan penurunan pada data. Sifat-sifat dalam stasioneritas adalah sebagai berikut: a. E(Z t ) = Konstan untuk semua t b. Var(Z t ) = = Konstan untuk semua t c. Cov(Z t, Z t-k ) = Konstan untuk semua t Menurut Thomas (1997), untuk mengecek kestasioneran data dalam mean digunakan uji Dickey-Fuller dengan sebagai berikut: Hipotesis : (terdapat akar unit / data tidak stasioner) : = 0 (tidak terdapat akar unit / data stasioner) Statistik Uji : DF Hitung =,dengan ditolak jika DF Hitung < nilai tabel critical value (tabel DF). Menurut Wei (2006), untuk data deret waktu yang tidak stasioner dalam varian berarti mempunyai varian yang tidak konstan karena terpengaruh oleh waktu. Untuk mengatasi masalah ketidakstasioneran dalam varian maka digunakan transformasi Box- Cox. Transformasi ini didefinisikan sebagai: Sedangkan nilai dari (lambda) dengan transformasinya yang sering digunakan adalah sebagai berikut: Tabel 1. Nilai Trasnformasi Box-Cox Nilai Transformasi Lambda -1 1 / -0,5 1/ 0 ln 0,5 (tanpa 1 Transformasi) Model Time Series Stasioner Menurut Wei (2006), model time series yang termasuk dalam model stasioner adalah sebagai berikut: a. Model Autoregressive (AR) Proses autoregressive menggambarkan situasi dimana nilai pada saat ini memiliki ketergantungan (dependen) dengan nilai-nilai sebelumnya JURNAL GAUSSIAN Vol. 6, No. 1, Tahun 2017 Halaman 132
3 ( ditambah dengan suatu random shock. Adapun persamaan model AR adalah sebagai berikut: b. Model Moving Average (MA) Model Moving Average tingkat q, atau proses MA(q), didefinisikan sebagai: dengan independen dan berdistribusi normal dengan mean 0 dan varians. c. Model Autoregressive Moving Average (MA) Menurut Wei (2006), model autoregressive moving average merupakan model campuran dari model autoregressive dan model moving average. Persamaan model ARMA adalah sebagai berikut: Model Time Series Nonstasioner Menurut Makridakis et al.(1999), proses time series yang tidak stasioner terbagi dalam 3 macam yaitu, proses yang mempunyai nilai rata-rata ( tidak konstan, waktu yang berbeda-beda yang menyebabkan terjadinya ketidakkonstanan dalam varian (, yang terakhir adalah ketidakkonstanan dalam rata-rata ( dan varian (. Hal-hal yang menyebabkan data time series menjadi tidak stasioner adalah data tidak mempunyai mean dan varian tetap. Dua tipe model yang berguna untuk time series tidak stasioner yaitu: a. Model Trend Deterministik Menurut Wei (2006), fungsi rata-rata dari proses deret waktu yang tidak stasioner dapat digambarkan dengan model deterministik, yaitu untuk data yang memiliki pengaruh waktu yang signifikan namun tidak memiliki rata-rata yang tidak konstan. Persamaan deterministik untuk trend linier sbb: b. Model Stokastik Menurut Soejoeti (1987), jika pengalaman data di masa lalu hanya dapat menunjukan struktur probabilistik keadaan yang akan datang dari suatu deret waktu, maka deret waktu semacam ini dimanakan stokastik. Salah satu contoh model stokastik yaitu ARIMA. Menurut Wei (2006), Proses ARIMA (p,d,q) merupakan proses penggabungan antara model ARMA (p,q) dengan proses nonstasioner yang telah distasionerkan. Model ARIMA terdiri dari Autoregressive orde p, Integrated orde d, dan Moving Average orde q. Menurut Cryer (1986), model ARIMA memiliki persamaan sebagai berikut: Jika diganti dengan maka persamaannya menjadi: Sehingga dapat ditulis seperti berikut: Atau. JURNAL GAUSSIAN Vol. 6, No. 1, Tahun 2017 Halaman 133
4 Menurut Wei (2006), identifikasi terhadap data deret waktu dilakukan dengan membuat plot time series dari data deret waktu tersebut. Untuk mengidentifikasi model ARIMA dari suatu time series adalah sebagai berikut: Tabel 2. Identifikasi Model ARIMA Proses ACF PACF turun eksponensial AR(p) atau membentuk suatu gelombang sinus Cut off setelah lag p MA(q) Cut off setelah lag q turun eksponensial atau membentuk suatu gelombang sinus ARMA(p,q) Turun setelah lag (q-p) Turun setelah lag (q-p) Tabel 2 merupakan identifikasi ARIMA dengan plot ACF dan PACF dari data yang stasioner dapat diduga model yang sesuai untuk data deret waktu tersebut. 2.2 Efek Variasi Kalender Menurut Harvey (1994), variasi hari libur (holiday variation) mengacu pada fluktuasi dari kegiatan ekonomi karena perubahan dari tahun ke tahun dalam susunan kalender karena berhubungan dengan liburan. Variasi hari libur (holiday variation) mengacu pada fluktuasi dari kegiatan ekonomi karena perubahan dari tahun ke tahun dalam susunan kalender karena berhubungan dengan liburan. Efek hari libur harus dibedakan dengan efek musiman dimana efek tersebut terjadi pada bulan yang sama tiap tahunnya. Persamaannya adalah sebagai berikut:, dengan : komponen deterministik : residual dari proses ARIMA dengan. 2.3 Model Kombinasi Trend Deterministik dan Stokastik Menurut Thomas (1997), persamaan model kombinasi trend deterministik dan stokastik adalah sbb: dengan : fungsi deterministik dimana, bila model mengandung trend linier : mengikuti model ARIMA Sehingga persamaannya menjadi: 3. METODOLOGI PENELITIAN Data yang digunakan bersifat sekunder dari PT Kereta Api Indonesia DAOP IV Semarang periode bulanan dari Januari 2009 Desember Data yang diambil yaitu JURNAL GAUSSIAN Vol. 6, No. 1, Tahun 2017 Halaman 134
5 data jumlah penumpang KA Argo Muria. Variabel yang dipakai dalam Tugas Akhir ini yaitu jumlah penumpang kereta api kelas eksekutif Argo Muria pada PT KAI DAOP IV Semarang sebagai variabel dependen dan 25 variabel independen yaitu terdiri dari variabel t dan 24 variabel dummy bulanan. Adapun dummy bulanan adalah sebagai berikut: Langkah-langkah yang dilakukan untuk menganalisis data penelitian adalah: 1. Membagi data menjadi dua bagian, yaitu data in-sample (Januari 2009 Desember 2014) dan data out-sample (Januari 2015 Desember 2015). 2. Menguji asumsi stasioner data in-sample. 3. Membentuk model deterministik dengan model variabel dummy 11 bulan dan melihat pengaruh Idul Fitri serta interaksi variabel dummy dan waktu yang mengandung trend. 4. Tahap selanjutnya yaitu meregresikan variabel dependen (jumlah penumpang) dengan 25 variabel bebas sehingga akan diperoleh persamaan dummy lengkap. 5. Setelah diperoleh model dummy terbaik maka langkah selanjutnya yaitu membentuk model deterministik yang terbaik dengan menggunakan persamaan model dummy terbaik. 6. Mengidentifikasi model stokastik awal (ARIMA). 7. Memilih model terbaik dengan melihat persamaan model stokastik mana yang memiliki nilai AIC terkecil. 8. Membentuk persamaan model kombinasi (deterministik dan stokastik). Digabungkan antara model deterministik dengan model stokastik. 9. Melakukan peramalan data pada tahun yang sama dengan data out-sample, kemudian dibandingkan dengan data aktual (out-sample) untuk mendapatkan nilai MAPE. 10. Melakukan peramalan untuk 12 periode ke depan. 4. HASIL DAN PEMBAHASAN 4.1 Model Trend Deterministik Langkah-langkah dalam membentuk model Trend Deterministik adalah sebagai berikut: 1. Uji Stasioneritas Dickey-Fuller Rumusan Hipotesis : : Terdapat unit roots atau data tidak stasioner : Tidak terdapat unit roots atau data stasioner Statistik Uji : DF = JURNAL GAUSSIAN Vol. 6, No. 1, Tahun 2017 Halaman 135
6 Kriteria Pengambilan Keputusan : ditolak jika nilai DF hitung < nilai kritis (5%) Keputusan : DF Hitung = 0, > nilai kritis (5%) = -1,95 maka diterima Kesimpulan : Data tidak stasioner dalam mean. Karena data tidak stasioner dalam mean maka dapat dibentuk dengan model trend deterministik. 2. Meregresikan variabel dependen (jumlah penumpang) dengan 25 variabel independen (t dan 24 dummy bulanan), diperoleh estimasi parameter sebagai berikut: Tabel 3. Tabel Estimasi Parameter model trend deterministik Variabel Estimasi SE Parameter Parameter ( ) ( ( ) P-value Kesimpulan c 5912, ,91 49,31 0,000 1,997 ditolak -1930, ,57 3,08 0,003 1,997 ditolak -1190, ,73 3,31 0,002 1,997 ditolak -1961, ,39 2,60 0,011 1,997 ditolak -3392, ,42 4,56 0,000 1,997 ditolak 33,307 16,55 2,01 0,048 1,997 ditolak 42,919 16,55 2,59 0,012 1,997 ditolak 44,033 17,08 2,58 0,012 1,997 ditolak Tabel 3 menunjukan bahwa seluruh parameter dalam model telah signifikan semua, oleh karena itu model trend deterministik yang terbentuk adalah sebagai berikut: = 5912, , , , , , , , Model Stokastik Model stokastik diperoleh dengan mengolah data menggunakan model ARIMA Box Jenkins. Adapun langkah-langkah ARIMA adalah sebagai berikut: 1. Uji stasioneritas dalam mean dan varian dari residual model trend deterministik - Uji stasioneritas dalam mean Rumusan Hipotesis : : Terdapat unit roots atau data tidak stasioner : Tidak terdapat unit roots atau data stasioner Statistik Uji : DF = Kriteria Pengambilan Keputusan : ditolak jika nilai DF hitung < nilai kritis (5%) Keputusan : DF Hitung = -4,89 > nilai kritis (5%) = -1,95 maka diterima Kesimpulan : Data stasioner dalam mean. - Uji stasioneritas dalam varian JURNAL GAUSSIAN Vol. 6, No. 1, Tahun 2017 Halaman 136
7 Partial Autocorrelation Autocorrelation StDev Box-Cox Plot of C Lower CL Upper CL Lambda (using 95,0% confidence) Estimate 0, Lower CL 0,54 Upper CL 1,26 Rounded Value 1, Limit Lambda Gambar 1. Plot Box-Cox Residual Model Deterministik Pada Gambar 1 terlihat bahwa nilai lambda adalah sebesar 1,00 maka dapat diartikan bahwa data residual telah stasioner dalam ragam sehingga tidak diperlukan transformasi. 2. Identifikasi Model ARIMA 1,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1, Lag Gambar 2. Plot ACF Residual Model Deterministik 1,0 0,8 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1,0 2 Autocorrelation Function for residual (with 5% significance limits for the autocorrelations) Partial Autocorrelation Function for residual (with 5% significance limits for the partial autocorrelations) Lag Gambar 3. Plot PACF Residual Model deterministik JURNAL GAUSSIAN Vol. 6, No. 1, Tahun 2017 Halaman 137
8 Dari Gambar 2 terlihat bahwa dalam plot ACF mengalami cut-off pada lag ke-3 dan pada Gambar 3 plot PACF mengalami cut-off pada lag ke-1 dan ke-8. Sehingga model yang mungkin terbentuk adalah sebagai berikut: Tabel 4. Model-Model ARIMA ARIMA (0,0,1) ARIMA (0,0,2) ARIMA (1,0,0) ARIMA (0,0,3) ARIMA (1,0,1) ARIMA ([1,8],0,0) ARIMA (1,0,2) ARIMA ([1,8],0,1) ARIMA (1,0,3) ARIMA ([1,8],0,2) ARIMA ([1,8],0,3) ARIMA ([8],0,0) ARIMA ([8,0,1) ARIMA ([8],0,2) ARIMA ([8],0,3) Tabel 4 merupakan model-model ARIMA sementara. Setelah model-model terbentuk maka dilakukan uji signigikansi parameter pada masing-masing model tersebut. Dari 15 model ARIMA dan hanya diperoleh empat model yang seluruh parameternya signifikan yaitu model ARIMA (0,0,1), ARIMA (1,0,1), ARIMA (1,0,0), dan ARIMA ([1,8],0,0). Tabel 5. Nilai AIC pada Model ARIMA MODEL AIC ARIMA (0,0,1) 1166,699 ARIMA (1,0,1) 1162,981 ARIMA (1,0,0) 1162,367 ARIMA ([1,8],0,0) 1159,122 Tabel 5 menunjukan model mana saja yang seluruh parameternya signifikan, selain itu terdapat juga nilai-nilai AIC untuk masing-masing model. Berdasarkan nilai IAC terkecil maka model ARIMA (1,0,0) terpilih sebagai model terbaik dengan nilai AIC sebesar 1162, Model Kombinasi Trend Deterministik dan Stokastik Setelah model trend deterministik, stokastik terbentuk maka dapat digunakan untuk membentuk model kombinasi trend deterministik dan stokastik. Setelah model kombinasi trend deterministik dan stokastik diolah, diperoleh nilai estimasti parameter sebagai berikut: Tabel 6. Nilai Signifikansi Parameter Model Kombinasi Parameter Estimasi Parameter P-Value Kesimpulan 6534,90 8,35 <,0001 ditolak 0,89 15,99 <,0001 ditolak -2328,20 3,97 0,0002 ditolak -796,37 2,42 0,0178 ditolak JURNAL GAUSSIAN Vol. 6, No. 1, Tahun 2017 Halaman 138
9 -2331,20 4,18 <,0001 ditolak 53,12 4,30 <,0001 ditolak 22,03 2,02 0,0470 ditolak Tabel 6 menunjukan bahwa seluruh parameter telah signifikan sehingga dapat digunakan untuk membentuk model, persamaan model kombinasi trend deterministik dan stokastik yang terbentuk sebagai berikut: 1. Perhitungan nilai MAPE Untuk mengetahui tingkat ketepatan peramalan dilakukan dengan perhitungan sebagai berikut: Tabel 7. Perhitungan nilai MAPE Periode Aktual ( Ramalan ( , , , , , , , , , , , , Total 1, MAPE 0, Tabel 7 memberikan informasi bahwa nilai MAPE yaitu sebesar 0,01089 atau 1,080 % yang menandakan bahwa peramalan untuk metode ini sangat bagus. 2. Peramalan 12 Periode Kedepan Tabel 8. Hasil Peramalan 12 Periode Kedepan Periode Nilai Peramalan Periode Nilai Peramalan Kesimpulan Model kombinasi trend deterministik dan stokastik yang terbentuk adalah. JURNAL GAUSSIAN Vol. 6, No. 1, Tahun 2017 Halaman 139
10 dengan nilai MAPE sebesar 1,80 % yang menandakan bahwa peramalan untuk metode ini sangat bagus. DAFTAR PUSTAKA Adisasmita, R Dasar-dasar ekonomi transportasi. Yogyakarta: Graha Ilmu. Bowerman, B.L & O connell, R.T Forecasting and Time Series: An Applied Approach. California: Duxbury Press. Cryer, J.D Time Series Analysis. Boston: PWS-Kent Publishing Company. DetikNews Utamakan Keselamatan, 3 Operator Transportasi ini dapat Penghargaan Menhub. Diakses pada 16 April Gusti, I. N. A Time Series Analysis Using E-views. Singapore: John Wiley and Sons. Halim, S Diktat-Time Series Analysis. Surabaya: Tekik Industri UK Petra. Harvey, A Time Series, Volume 2. England: Edwar Elgar. Makridakis, S., Wheelwright, S.C., McGEE, V.E Metode dan Aplikasi Peramalan. Jakarta: Erlangga. Soejoeti, Z Analisis Runtun Waktu. Jakarta: Penerbit Karunika Universitas Terbuka. Thomas, R.L Modern Econometrics an Introduction. New York: Addison Wesley Publishing Company, Inc. Wei, W.W.S Time Series Univariate and Multivariate Methods. New York: Addison Wesley Publishing Company, Inc.. JURNAL GAUSSIAN Vol. 6, No. 1, Tahun 2017 Halaman 140
PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus: KA Argo Muria)
PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus: KA Argo Muria) SKRIPSI Disusun oleh : TITIS NUR UTAMI 24010212140052 DEPARTEMEN
Lebih terperinciPeramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun
Peramalan Jumlah Penumpang Kereta Api Kelas Bisnis Eksekutif Jurusan Madiun Jakarta di PT. Kereta Api (Persero) DAOP VII Madiun NAMA : RITA RAHMADHANI NRP : 1306 030 008 PEMBIMBING: DR. BRODJOL SUTIJO
Lebih terperinciFORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA
FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA 1) Nurul Latifa Hadi 2) Artanti Indrasetianingsih 1) S1 Program Statistika, FMIPA, Universitas PGRI Adi Buana Surabaya 2)
Lebih terperinciOleh : Dwi Listya Nurina Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si
Oleh : Dwi Listya Nurina 1311105022 Dosen Pembimbing : Dr. Irhamah, S.Si, M.Si Air Bersih BUMN Penyediaan air bersih untuk masyarakat mempunyai peranan yang sangat penting dalam meningkatkan kesehatan
Lebih terperinciPERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)
PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA) Oleh : Nofinda Lestari 1208 100 039 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciAnalisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode
Analisis Peramalan Banyaknya Permintaan Darah di Surabaya Menggunakan Metode ARIMA Box Jenkins Oleh : Winda Eka Febriana 1307 030 002 Pembimbing : Dra. Wiwiek Setya Winahju, MS Latar Belakang PMI Merupakan
Lebih terperinciOUTLINE. Pendahuluan. Tinjauan Pustaka. Metodologi Penelitian. Analisis dan Pembahasan. Kesimpulan dan Saran
OUTLINE Pendahuluan Tinjauan Pustaka Metodologi Penelitian Analisis dan Pembahasan Kesimpulan dan Saran LATAR BELAKANG Listrik elemen terpenting dalam kehidupan manusia Penelitian Sebelumnya Masyarakat
Lebih terperinciPEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER
PEMODELAN DAN PERAMALAN JUMLAH PENUMPANG DAN PESAWAT DI TERMINAL KEDATANGAN INTERNASIONAL BANDARA JUANDA SURABAYA DENGAN METODE VARIANSI KALENDER M. Insanil Kamil 0 0 0 m.insanil_kml@yahoo.com Dosen pembimbing:
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO
Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas
Lebih terperinciPemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input
Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R-1 Dengan Metode Fungsi Transfer single input Oleh : Defi Rachmawati 1311 105 007 Dosen Pembimbing :
Lebih terperinciKAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)
SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciPemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer
TUGAS AKHIR Pemodelan Space Pemasangan Iklan di Surat Kabar Harian X dengan Metode ARIMAX dan Fungsi Transfer Oleh : Fani Felani Farid (1306 100 047) Pembimbing : Drs. Kresnayana Yahya M.Sc Latar Belakang
Lebih terperinciModel Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer
Model Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 225 dengan Pendekatan Fungsi Transfer OLEH : DWI LISTYA NURINI 1311 105 021 DOSEN PEMBIMBING : DR. BRODJOL SUTIJO SU, M.SI Bursa saham atau Pasar
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
C BAB IV ANALISIS DAN PEMBAHASAN Penelitian ini mencoba meramalkan jumlah penumpang kereta api untuk masa yang akan datang berdasarkan data volume penumpang kereta api periode Januari 994-Februari 203
Lebih terperinciMetode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api
Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api Efek Variasi Kalender dengan Pendekatan Regresi Time Series Nur Ajizah 1, Resa Septiani Pontoh 2, Toni Toharudin 3 Mahasiswa Program
Lebih terperinciPERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS
PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS Oleh : Agustini Tripena ABSTRACT In this paper, forecasting the consumer price index data and inflation. The method
Lebih terperinciPeramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2012 Dengan Metode ARIMA BOX-JENKINS
Jurnal EKSPONENSIAL Volume 3, Nomor, Mei 2 ISSN 8-7829 Peramalam Jumlah Penumpang Yang Berangkat Melalui Bandar Udara Temindung Samarinda Tahun 2 Dengan Metode ARIMA BOX-JENKINS Forecasting The Number
Lebih terperinciMETODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015 bertempat di Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 33-42 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS INTERVENSI KENAIKAN HARGA BBM TERHADAP PERMINTAAN BBM
Lebih terperinciAnalisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan
SEMINAR PROPOSAL TUGAS AKHIR Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan OLEH: NAMA : MULAZIMATUS SYAFA AH NRP : 13.11.030.021 DOSEN PEmbimbing: Dr.
Lebih terperinciPERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010
Statistika, Vol., No., Mei PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI Reksa Nila Anityaloka, Atika Nurani Ambarwati Program Studi S Statistika Universitas Muhammadiyah
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 2016, Halaman 737-745 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN DAYA LISTRIK BERDASARKAN JUMLAH PELANGGAN PLN MENGGUNAKAN
Lebih terperinciPemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah
Vol. 9, No., 9-5, Januari 013 Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah Fitriani, Erna Tri Herdiani, M. Saleh AF 1 Abstrak Dalam analisis deret waktu
Lebih terperinciPEMODELAN JUMLAH PENDERITA HIV/AIDS TERKAIT KUNJUNGAN WISATAWAN DI KABUPATEN BADUNG DAN KOTA MADYA DENPASAR DENGAN METODE TRANSFER FUNCTION
PEMODELAN JUMLAH PENDERITA HIV/AIDS TERKAIT KUNJUNGAN WISATAWAN DI KABUPATEN BADUNG DAN KOTA MADYA DENPASAR DENGAN METODE TRANSFER FUNCTION Oleh NYOMAN PANDU WIRADARMA (1308 100 052) Dosen Pembimbing 1
Lebih terperinciPENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA
KEMENTERIAN PEKERJAAN UMUM BADAN PENELITIAN DAN PENGEMBANGAN PUSAT PENELITIAN DAN PENGEMBANGAN SUMBER DAYA AIR PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA PENDAHULUAN Prediksi data runtut waktu.
Lebih terperinciESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING
ESTIMASI PARAMETER MODEL ARMA UNTUK PERAMALAN DEBIT AIR SUNGAI MENGGUNAKAN GOAL PROGRAMMING Nama : Zahroh Atiqoh NRP : 1205 100 021 Dosen Pembimbing : 1. Dra. Nuri Wahyuningsih, MKes 2. Drs. Sulistiyo,
Lebih terperinciMeytaliana F Dosen Pembimbing: Prof. Dr. Basuki Widodo, M.Sc. Dra. Nuri Wahyuningsih, M.Kes.
ESTIMASI PARAMETER AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) MENGGUNAKAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) (STUDI KASUS PERAMALAN CURAH HUJAN DAS BRANGKAL MOJOKERTO) Meytaliana F. 1210100014
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciTINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang
II.. TINJAUAN PUSTAKA Indeks Harga Konsumen (IHK Menurut Monga (977 indeks harga konsumen adalah ukuran statistika dari perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang didapatkan.
Lebih terperinciPERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT
PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT Novian Endi Gunawan 1, I Wayan Sumarjaya 2, I G.A.M. Srinadi 3 1 Program Studi Matematika,
Lebih terperinciPERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP
PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP SKRIPSI Disusun oleh : DITA RULIANA SARI NIM. 24010211140084 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
Lebih terperinciPERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Seminar Hasil Tugas Akhir Jurusan Statistika Institut Teknologi Sepuluh Nopember Surabaya 2013 LOGO PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA
Lebih terperinciANALISIS INTERVENSI FUNGSI STEP (Studi Kasus Pada Jumlah Pengiriman Benda Pos Ke Semarang Pada Tahun )
ANALISIS INTERVENSI FUNGSI STEP (Studi Kasus Pada Jumlah Pengiriman Benda Pos Ke Semarang Pada Tahun 2006 2011) Amelia Crystine 1, Abdul Hoyyi 2, Diah Safitri 3 1 Mahasiswa Jurusan Statistika FSM UNDIP
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 3, Tahun 2017, Halaman 323-332 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN FUNGSI TRANSFER DENGAN DETEKSI OUTLIER UNTUK MEMPREDIKSI
Lebih terperinci99.9. Percent maka H 0 diterima, berarti residual normal
Uji residual white noise 2 Lag Q P value 6 3.5 9.49 0.5330 2 6.6 8.3 0.803 8 9.8 26.30 0.9059 24 9.3 33.92 0.6374 K p q Uji residual berdistribusi normal Percent 99.9 99 95 90 80 70 60 50 40 30 20 0 5
Lebih terperinciPERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL. Oleh: Niswatul Maghfiroh NRP.
PERAMALAN JUMLAH WISATAWAN DI AGROWISATA KUSUMA BATU MENGGUNAKAN METODE ANALISIS SPEKTRAL Oleh: Niswatul Maghfiroh NRP. 1208100065 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciPeramalan Penjualan Pipa di PT X
Elviani, et al. / Peramalan Penjualan Pipa di PT X / Jurnal Titra, Vol.. 2, No. 2, Juni 2014, pp. 55-60 Peramalan Penjualan Pipa di PT X Cicely Elviani 1, Siana Halim 1 Abstract: In this thesis we modeled
Lebih terperinciVERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE
VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE (Studi Kasus : Kecepatan Rata-rata Angin di Badan Meteorologi Klimatologi dan Geofisika Stasiun Meteorologi Maritim Semarang) SKRIPSI
Lebih terperinciLULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI
LULIK PRESDITA W 1207 100 002 APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI 1 Pembimbing : Dra. Nuri Wahyuningsih, M.Kes BAB I PENDAHULUAN 2 LATAR BELAKANG 1. Stabilitas ekonomi dapat dilihat
Lebih terperinciCetakan I, Agustus 2014 Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura
Hak cipta dilindungi Undang-Undang Cetakan I, Agustus Diterbitkan oleh: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pattimura ISBN: ---- Deskripsi halaman sampul : Gambar yang ada pada cover
Lebih terperinciPEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER
PKMT-2-13-1 PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER Umi Rosyiidah, Diah Taukhida K, Dwi Sitharini Jurusan Matematika, Universitas Jember, Jember ABSTRAK
Lebih terperinciPREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)
PREDIKSI HARGA SAHAM PT. BRI, MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average) Greis S. Lilipaly ), Djoni Hatidja ), John S. Kekenusa ) ) Program Studi Matematika FMIPA UNSRAT Manado
Lebih terperinciPERAMALAN JUMLAH PENUMPANG BANDARA I GUSTI NGURAH RAI DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA)
M-11 2) PERAMALAN JUMLAH PENUMPANG BANDARA I GUSTI NGURAH RAI DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) Naili Farkhatul Jannah 1), Muhammad Bahtiar Isna Fuady 2), Sefri
Lebih terperinciIII. METODE PENELITIAN
15 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penelitian Perkembangan ekonomi dan bisnis dewasa ini semakin cepat dan pesat. Bisnis dan usaha yang semakin berkembang ini ditandai dengan semakin banyaknya
Lebih terperinciPERAMALAN CURAH HUJAN MENGGUNAKAN METODE ANALISIS SPEKTRAL
E-Jurnal Matematika Vol. 5 (4), November 2016, pp. 183-193 ISSN: 2303-1751 PERAMALAN CURAH HUJAN MENGGUNAKAN METODE ANALISIS SPEKTRAL Ni Putu Mirah Sri Wahyuni 1, I Wayan Sumarjaya 2, I Gusti Ayu Made
Lebih terperinciPENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Seminar Nasional Matematika dan Aplikasinya, 21 Oktober 27 PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR
Lebih terperinciPeramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer
Peramalan Aset dengan Memperhatikan Dana Pihak Ketiga (DPK) dan Pembiayaan Perbankan Syariah di Indonesia dengan Metode Fungsi Transfer 1 Faridah Yuliani dan 2 Dr. rer pol Heri Kuswanto 1,2 Jurusan Statistika
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
Lebih terperinciII. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya
II. TINJAUAN PUSTAKA 2.1 Stasioner Analisis ARIMA Autoregressive Integrated Moving Average umumnya mengasumsikan bahwa proses umum dari time series adalah stasioner. Tujuan proses stasioner adalah rata-rata,
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini, dibahas mengenai model Vector Error Correction (VEC),
BAB III PEMBAHASAN Pada bab ini, dibahas mengenai model Vector Error Correction (VEC), prosedur pembentukan model Vector Error Correction (VEC), dan aplikasi model Vector Error Correction (VEC) pada penutupan
Lebih terperinciPERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 110 117 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH
Lebih terperinciPeramalan Volume Distribusi Air di PDAM Kabupaten Bojonegoro dengan Metode ARIMA Box- Jenkins
Peramalan Volume Distribusi Air di PDAM Kabupaten Bojonegoro dengan Metode ARIMA Box- Jenkins Fastha Aulia P / 1309030018 Pembimbing: Ir.Dwiatmono Agus M.Ikomp Latar Belakang Air sebagai sumber kehidupan
Lebih terperinciPrediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA
Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA Jeine Tando 1, Hanny Komalig 2, Nelson Nainggolan 3* 1,2,3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciModel Penjualan Plywood PT. Linggarjati Mahardika Mulia
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol., No., Juli 7, Hal. 52-57 p-issn: 25-4596; e-issn: 25-4X Halaman 52 Model Penjualan Plywood PT. Linggarjati Mahardika Mulia
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Pendahuluan Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di Indonesia sejak tahun enam puluhan telah diterapkan Badan Meteorologi, Klimatologi, dan Geofisika di Jakarta menjadi suatu direktorat perhubungan udara. Direktorat
Lebih terperinciPEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA
Jurnal Matematika UNAND Vol. 3 No. 3 Hal. 59 67 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA ANNISA UL UKHRA Program Studi Matematika,
Lebih terperinciLAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins
LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU Kelas A Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins No Nama Praktikan Nomor Mahasiswa Tanggal Pengumpulan 1 29 Desember 2010 Tanda Tangan Praktikan
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 547-556 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian Peramalan Inflasi Menurut Kelompok Pengeluaran Makanan Jadi,
Lebih terperinciPeramalan Harga Beras di Perum BULOG Divre Jatim
Peramalan Harga Beras di Perum BULOG Divre Jatim Disusun oleh : Woro Morphi H (1309030010) Dosen Pembimbing : Dr. Suhartono, S.Si, M.Sc Pendahuluan Latar Belakang, Perumusan Masalah,Tujuan Penelitian,
Lebih terperinciBAB 2 LANDASAN TEORI
1 BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan metode ARIMA box jenkins untuk meramalkan kebutuhan bahan baku. 2.1. Peramalan Peramalan
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-249
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) 2337-3520 (2301-928X Print) D-249 Analisis Fungsi Transfer pada Harga Cabai Merah yang Dipengaruhi oleh Curah Hujan Di Surabaya Putri Rintan Aryasita,
Lebih terperinci(S.4) PENDEKATAN METODE ALGORITMA GENETIK UNTUK IDENTIFIKASI MODEL ARIMA
(S.4) PENDEKATAN METODE ALGORITMA GENETIK UNTUK IDENTIFIKASI MODEL ARIMA Jimmy Ludin Mahasiswa Program Magister Jurusan Statistika Fakultas Matematika Dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh
Lebih terperinciPemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 Pemodelan Nilai Tukar Rupiah terhadap Dollar Amerika Serikat Menggunakan ARFIMA 1 Harnum Annisa Prafitia dan 2 Irhamah
Lebih terperinciPeramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (2017) ISSN: 2337-3520 (2301-928X Print) D-157 Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series Moh Ali Asfihani dan Irhamah
Lebih terperinciABSTRAK. Kata kunci : Data Runtun Waktu, Indeks Harga Konsumen, ARIMA, Analisis Intervensi, Fungsi Step, Peramalan. I Pendahuluan
Analisis Model Intervensi Fungsi Step Terhadap Indeks Harga Konsumen (IHK) Zuhairini Azzahra A 1, Suyono 2, Ria Arafiyah 3 Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Defenisi Peramalan Peramalan adalah suatu kegiatan dalam memperkirakan atau kegiatan yang meliputi pembuatan perencanaan di masa yang akan datang dengan menggunakan data masa lalu
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciPENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)
PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI) Liana Kusuma Ningrum dan Winita Sulandari, M.Si. Jurusan Matematika,
Lebih terperinciPENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH
PENDEKATAN MODEL TIME SERIES UNTUK PEMODELAN INFLASI BEBERAPA KOTA DI JAWA TENGAH Tri Mulyaningsih ), Budi Nurani R ), Soemartini 3) ) Mahasiswa Program Magister Statistika Terapan Universitas Padjadjaran
Lebih terperinciPeramalan Permintaan Pengujian Sampel Di Laboratorium Kimia Dan Fisika. Baristand Industri Surabaya)
Peramalan Permintaan Pengujian di Lab. Kimia dan Fisika (Aneke Rintiasti, Erna Hartati, Nunun Hilyatul M.) Peramalan Permintaan Pengujian Sampel Di Laboratorium Kimia Dan Fisika Baristand Industri Surabaya
Lebih terperinciPeramalan merupakan alat bantu yang penting dalam penyusunan rencana yang efektif dan efisien. Pada
Estimasi Parameter Autoregressive Integrated Moving Average (ARIMA) Menggunakan Algoritma Particle Swarm Optimization (PSO) (Studi Kasus: Peramalan Curah Hujan DAS Brangkal, Mojokerto) Meytaliana Factmawati,
Lebih terperinciSedangkan model fungsi transfer bentuk kedua adalah sebagai berikut :
1 Metode Peramalan Indeks Harga Saham Gabungan (IHSG) Nikkei 255 dengan Pendekatan Fungsi Transfer Dwi Listya Nurini, Brodjol Sutijo SU Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pajak merupakan sumber kas negara yang digunakan untuk pembangunan. Undang- Undang Republik Indonesia Nomor 16 Tahun 2000 tentang Ketentuan Umum Dan Tata Cara Perpajakan
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM MENGGUNAKAN METODE INTERVENSI. Oleh: IRLIZANTY YULYANTIKA RAHADI
PERAMALAN INDEKS HARGA SAHAM MENGGUNAKAN METODE INTERVENSI Oleh: IRLIZANTY YULYANTIKA RAHADI 6 4 Dosen Pembimbing : Dra. Nuri Wahyuningsih, MKes Abstrak Indeks harga saham merupakan suatu indikator yang
Lebih terperinciAnalisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus
Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia Oleh : Pomi Kartin Yunus 1306030040 Latar Belakang Industri manufaktur yang berkembang pesat
Lebih terperinciModel Vector Autoregressive (VAR) untuk Analisis Indeks Harga Konsumen Kota Samarinda dan Kota Sampit
Jurnal EKSPONENSIAL Volume, Nomor 1, Mei 13 ISSN 5-79 Model Vector Autoregressive (VAR) untuk Analisis Indeks Harga Konsumen Kota Samarinda dan Kota Sampit Vector Autoregressive Models (VAR) for the Analysis
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola data yang sistematis (Makridakis, 1999). Peramalan menggunakan pendekatan
Lebih terperinciJURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman Online di:
JURNAL GAUSSIAN, Volume 2, Nomor 3, Tahun 2013, Halaman 197-207 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN ARIMA DENGAN FUZZY AUTOREGRESSIVE (FAR) DALAM PERAMALAN INTERVAL
Lebih terperinciANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA
ANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA FATHIN FAHIMAH 226133 DOSEN PEMBIMBING Prof. Ir. Gamantyo Hendrantoro, M.Eng.
Lebih terperinciPenerapan Model ARIMA
Penerapan Model ARIMA (Bagian I) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 016 1 Ada tiga tahapan iterasi dalam pemodelan data deret waktu, yaitu: 1. Penentuan model tentatif (spesifikasi model)
Lebih terperinciPENDUGAAN PARAMETER MODEL AUTOREGRESSIVE PADA DERET WAKTU
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 28 37 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENDUGAAN PARAMETER MODEL AUTOREGRESSIVE PADA DERET WAKTU NELFA SARI Program Studi Matematika, Fakultas
Lebih terperinciPENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI
TUGAS AKHIR - ST 1325 PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI I G B ADI SUDIARSANA NRP 1303100058 Dosen Pembimbing Ir. Dwiatmono Agus Widodo,
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (203) 233-20 (230-9X Print) D-300 Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Jawa Timur untuk Kategori Rumah Tangga R- dengan Metode Fungsi Transfer
Lebih terperinciPERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP ABSTRAK
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 795-804 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI
Lebih terperinciPERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR)
PERAMALAN LAJU INFLASI, SUKU BUNGA INDONESIA DAN INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN METODE VECTOR AUTOREGRESSIVE (VAR) SKRIPSI Oleh : PRISKA RIALITA HARDANI 24010211120020 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciPREDIKSI RETURN PORTOFOLIO MENGGUNAKAN METODE KALMAN FILTER
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 4, Tahun 201, Halaman 51-1 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PREDIKSI RETURN PORTOFOLIO MENGGUNAKAN METODE KALMAN FILTER Dita
Lebih terperinciANALISA BOX JENKINS PADA PEMBENTUKAN MODEL PRODUKSI PREMI ASURANSI KENDARAAN BERMOTOR RODA EMPAT
ANALISA BOX JENKINS PADA PEMBENTUKAN MODEL PRODUKSI PREMI ASURANSI KENDARAAN BERMOTOR RODA EMPAT Mei Taripar Pardamean S.,SKom Jl. Makmur No.1 Ciracas Jakarta Timur mtp95@yahoo.com ABSTRAK Tujuan dari
Lebih terperinciPeramalan Jumlah Kunjungan Wisatawan Mancanegara (Wisman) ke Bali Tahun 2019: Metode ARIMA
JEKT 8 [2] : 136-141 ISSN : 2301-8968 Peramalan Jumlah Kunjungan Wisatawan Mancanegara (Wisman) ke Bali Tahun 2019: Metode ARIMA Rukini *) Putu Simpen Arini Esthisatari Nawangsih Badan Pusat Statistik
Lebih terperinciJurnal EKSPONENSIAL Volume 8, Nomor 1, Mei 2017 ISSN
Jurnal EKSPONENSIAL Volume 8, Nomor, Mei 07 ISSN 085-789 Peramalan dengan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA) di Bidang Ekonomi (Studi Kasus: Inflasi Indonesia) Forecasting
Lebih terperinciPENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. APPLICATION OF ARIMA TO FORECASTING STOCK PRICE OF PT. TELOKM Tbk.
PENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. Djoni Hatidja ) ) Program Studi Matematika FMIPA Universitas Sam Ratulangi, Manado 955 email: dhatidja@yahoo.com ABSTRAK Penelitian ini
Lebih terperinciKAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q)
UJIAN TUGAS AKHIR KAJIAN METODE JACKKNIFE DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN PARAMETER ARMA(p,q) Disusun oleh : Novan Eko Sudarsono NRP 1206.100.052 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi
Lebih terperinciPERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (GARCH)
Jurnal Matematika UNAND Vol. 5 No. 4 Hal. 80 88 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN RESIKO INVESTASI BANK CENTRAL ASIA DAN BANK MANDIRI MENGGUNAKAN MODEL GENERALIZED AUTOREGRESSIVE
Lebih terperinciANALISIS INTERVENSI KENAIKAN HARGA BAHAN BAKAR MINYAK TERHADAP INFLASI DI INDONESIA ANNISA KARIMA
i ANALISIS INTERVENSI KENAIKAN HARGA BAHAN BAKAR MINYAK TERHADAP INFLASI DI INDONESIA ANNISA KARIMA DEPARTEMEN ILMU EKONOMI FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR BOGOR 2014 ii iii PERNYATAAN
Lebih terperinciProsiding Seminar Nasional MIPA 2016
Peramalan Jumlah Penumpang Kereta Api Lodaya Jurusan Bandung-Solo Menggunakan Model Reg-ARIMA Dengan Variasi Kalender (Studi Kasus: PT. Kereta Api Indonesia) Dyah Puspita Sari*, Gumgum Darmawan, Soemartini
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Peramalan pada dasarnya merupakan proses menyusun informasi tentang kejadian masa lampau yang berurutan untuk menduga kejadian di masa depan (Frechtling, 2001:
Lebih terperinciPERAMALAN TRAFIK SMS AREA JABOTABEK DENGAN METODE ARIMA
JURNAL TEKNIK POMITS Vol. 1, No. 1, (212) 1-6 1 PERAMALAN TRAFIK SMS AREA JABOTABEK DENGAN METODE ARIMA Lusi Alvina Tofani, Achmad Mauludiyanto Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember
Lebih terperinciPERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK
PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI Trio Yonathan Teja Kusuma 1, Sandra Praharani Nur Asmoro 2 1,2)
Lebih terperinciPREDIKSI JANGKA PENDEK B ULAN AN JUMLAH FLARE DENGAN MODEL ARIMA (p,d,[q]), (P,D,Q)' 32
PREDIKSI JANGKA PENDEK B ULAN AN JUMLAH FLARE DENGAN MODEL ARIMA (p,d,[q]), (P,D,Q)' 32 Nanang WIdodo Penelid Staslun Pengamat Dlrgantara Watukosek, LAPAN ABSTRACT The time series of the monthly number
Lebih terperinciProgram Studi Matematika, Institut Teknologi Kalimantan, Balikpapan
J. Math. and Its Appl. E-ISSN: 2579-8936 P-ISSN: 1829-605X Vol. 14, No. 2, Desember 2017, 25-37 Perbandingan Metode ARIMA dan Double Exponential Smoothing pada Peramalan Harga Saham LQ45 Tiga Perusahaan
Lebih terperinci